下面是我们将在这篇关于制造业边缘计算的深入文章中讨论的内容。如果你想跳转到某个特定的部分，请选择一个链接:

• 制造业边缘计算介绍
• 什么是边缘计算?
• 什么是优势计算平台？
• 什么是Edge设备?
• 边缘与云的关系
• 边缘计算在制造业中的应用案例
• 制造业的连接景观如何变化

制造业边缘计算介绍

边缘计算框架正在快速找到进入各种行业作为物联网（物联网）设备变得更加普遍。最有前途的边缘计算用例之一是制造业，其中这些新技术可能导致大规模生产率收益。

虽然物联网已经被证明是工厂的关键使能器，但组织现在正寻求进一步提高其制造系统的响应能力。为了实现这一目标，这些组织正在采用以边缘计算为主要推动因素的智能制造。

智能制造设想未来工厂设备可以根据工厂楼层发生的事情做出自主决策。企业可以更轻松地整合制造过程的所有步骤，包括设计，制造，供应链和操作。参与竞争市场时，这有助于更大的灵活性和反应性。启用此愿景需要相关技术的组合，如IoT，AI /机器学习和边缘计算。

在网络边缘收集分析数据的关键优势是能够分析和执行实时数据，而无需将数据发送到离线(到云或数据中心)进行分析所带来的带宽成本。在避免生产不合规格的组件、设备停机、工人受伤或死亡方面，制造是时间敏感的。对于更复杂、更长期的任务，可以将数据发送到云，并与其他结构化和非结构化形式的数据相结合。因此，这两个独立计算框架的使用并不是相互排斥的，而是一种利用各自提供的好处的共生关系。下面，我们将更深入地研究用例以及制造中的云和边缘之间的关系。

首先，我们将定义边缘计算框架的组件。

什么是边缘计算?

边缘计算是一种分布式计算框架，它使计算和数据存储更接近数据的来源，从而提高响应时间和节省带宽。

简单地说，边缘计算就是取运行在云中的代码，然后在附近或本地设备上运行。示例包括网关设备(如MachineMetrics Edge)，甚至是一台紧邻IIoT启用设备的PC。

有了边缘计算，需要传输到云的数据就更少了。这对于收集用于运行机器学习算法的高频数据特别有用。由于这些数据可以在边缘处进行处理，因此可以立即对其进行处理。相比之下，如果将这些高频数据传输到云端，进行处理，然后对其进行操作，就会产生延迟效应。边缘计算解决了这个问题。

为了理解边缘计算，我们可以将物联网解决方案一般分为三个部分:

• 事物比如产生传感器数据的物联网设备。
• 的见解你从这个数据中提取。
• 行动您根据这些见解来执行，以交付某种价值。

使用Edge Computing，您可以移动的见解和行动从云到设备的组件。换句话说，您将一些代码绑定到设备中，该代码用于处理和提取来自数据的洞察并响应于它执行一些操作。

在制造业中，的事情可以是您的商店地板上的机器或设备。的见解因此可能是实时的机器数据。举个例子行动可能是由于预期刀具损坏而导致机器暂停操作。

什么是优势计算平台？

一个为制造而设计的边缘平台允许您从plc、数字控制系统、传感器或历史学家等工业系统收集数据，并在数据之上本地运行应用程序，如事件处理、预测分析、机器学习模型等——所有这些都在离线首次部署中进行。

边缘计算平台管理在网络边缘运行的应用程序、设备和连接。在这里，边缘设备和连接设备(“事物”)可以以比纯云计算更快的速度进行通信和执行任务。

处理许多边缘设备可能是一项具有挑战性的任务。集中式边缘管理平台通过连接多个不同的边缘设备来解决这一问题，从而保证整个网络的正常管理。例如，使用边缘计算平台，制造商可以跨所有边缘设备推动安全更新，并在必要时进行故障排除。

从某种意义上说，边缘计算平台只是让云的计算资源更接近数据的来源。因此，边缘平台只是做云计算平台的工作，但处于边缘。这减少了对云计算资源的压力，并减少了边缘设备和设备之间的数据延迟。如果说机器学习和人工智能是未来的发展方向，那么数据存储和分析的速度至关重要。

什么是边缘设备？

边缘设备是管理本地网络和云之间数据流的设备。它们充当本地网络上连接的设备和用于分析数据的软件平台之间的网关。

在智能制造的背景下，边缘设备提供的不仅仅是独立网络之间的链接。它们还包括以下功能加强物联网安全和分析转换。为了进一步扩展这一点，边缘设备可以转换不兼容的数据(例如，如果您有不同的协议)，这样来自不同来源的数据就可以在云中聚合和理解。

这MachineMetrics边缘使用Wifi、蜂窝连接或以太网连接轻松地将机器连接到MachineMetrics云服务。

与传统网络的物理距离意味着大数据包的传输时间更长。边缘设备允许来自机器的数据网络更接近数据存储和分析的位置。这允许向用户提供更快的信息返回，这对于使用实时预测分析等使用案例至关重要。边缘设备和边缘计算正在放置更多的存储和分析电源来消耗并在数据上的数据上行动。

随着物联网基础设施变得越来越复杂(比如。更多的工厂位置、设备和网络)，对数据聚合和处理的需求仍然很重要。然而，挑战在于边缘设备将受到与云计算平台的高延迟通信的影响。

这是边缘设备和边缘计算平台的工作要解决。

边缘与云的关系

我们有一篇关于……的完整文章边缘计算和云计算在制造业中的区别，所以我们将保持这么短。

边缘技术和云技术是两种截然不同的技术，但由于它们具有相互抵消的优势，它们经常被同时使用。在这种关系的核心，边缘计算对时间敏感的数据进行处理并采取行动云计算在一个集中的位置聚集数据不需要及时行动。

在完整的工业物联网基础设施中，制造商可以利用edge进行实时数据收集、预测分析和自主决策，并利用云进行聚合数据分析、基准测试和趋势分析。

这些好处和坏处还在继续:

边缘计算在制造业中的应用案例

现在让我们讨论在制造中使用边缘计算的实际原因。确保所有网络均正确连接到云也有各种业务益处，同时也能够在边缘提供强大的计算资源。

• 改善设备运行时间：例如，可以实时预测子系统，组件，组件或运行组件的影响，以实时地预测，随着分析更多数据，并用于增强操作使用和维护调度，不断地精制。
• 减少维护成本加强对所需维护的分析也意味着，通过向机械师提供有关问题原因、需要采取什么行动、需要哪些零件的详细说明，可以在第一次拜访时完成更多的维修工作，从而降低维修成本。
• 备件库存减少: Edge分析模型可以根据单个设备或系统的需求进行定制。这可能意味着读取与某些组件和/或子系统直接相关的传感器。在组织期望的业务价值的指导下，边缘模型可以定义设备或系统应该如何优化配置以实现业务目标，以最小的成本大大提高备件库存的效率。
• 严重故障预防：通过获取，监控和分析关于组件的数据，边缘分析可以识别其效果的效果前的原因，使得先前的问题检测和预防。
• 状态监测随着IT和OT的融合，制造商能够访问机器数据，使他们能够监控他们在车间的设备状况即使他们正在使用遗留设备。
• 新的商业模式也许最重要的是，边缘分析可以帮助塑造新的商业模式，捕捉新的机会。例如，它可以使用自我监控分析来改进即时部件管理系统，该分析可以预测哪些组件将失效，以及在整个价值链中何时触发部件更换通知。这使得可以“根据需要”创建维护计划，减少停机时间和零部件库存，从而形成更高效的模型。

制造业的连接景观如何变化

我们知道工业物联网的重点是将高级分析应用于大量机器数据，目的是减少非计划停机时间，降低机器维护的总成本，并利用机器学习能力。云在使这种大规模数据采集、传输和分析成为可能方面发挥了重要作用。

边缘计算和分析只是通过减少机器和数据处理本身之间的物理距离，将这一概念提升到一个新的水平。对于那些分散在不同地方并从不同来源获取数据的公司来说，这种接近性有助于处理几个现实问题:

• 连接问题与距离以及向一个集中地点进行大规模持续数据传输的成本有关。
• 在操作级别上的分析可用性，允许多个级别的用户快速做出决策。
• 实时数据的可用性，以更快（甚至自主）决策
• 保证数据的安全性和网络的完整性。

所有这些事实，当边缘计算处理时，允许制造商降低成本和提高效率。此外，制造商现在可以有一个可靠的数据传输，几乎没有错误和安全风险。更不用说，这还可以实现定制化和小批量生产，其价值与大规模生产相同。有了边缘计算，所有这些都可以通过灵活和简化的所有设备维护来实现。

当数据速度是当天的顺序并且连接需要稳固时，边缘将是制造商应该向的解决方案。应用AI和机器学习算法以实时可视化，诊断和预测问题是通过邻近，速度和实心网络而更容易地实现的目标。实时可视化和预测通知使您的团队能够立即采取纠正措施，并使您的机器保持和运行，而不会担心缺少至关重要的数据。

由于边缘计算的潜力，工业制造正处于革命的边缘。结合新一代智能物联网边缘设备，边缘计算应用将在未来几十年中完全转换制造，以推动更好的效率和生产力，同时控制成本。